Projeto de Análise de Dados em Python com foco na exploração, visualização e interpretação de dados de saúde pública. O objetivo é transformar dados brutos em insights claros e acionáveis, apoiando decisões e discussões estratégicas sobre prevenção, vacinação e políticas públicas.
A análise foi desenvolvida a partir de dados oficiais do Ministério da Saúde, utilizando uma abordagem estruturada, com atenção à qualidade dos dados, contexto e comunicação dos resultados.
- Analisar a evolução dos casos de Dengue no Brasil ao longo dos anos
- Identificar os estados com maior volume e maior taxa proporcional de infecções
- Explorar padrões, variações e tendências nos dados
- Comunicar resultados de forma clara por meio de visualizações
- Demonstrar a aplicação prática de Análise de Dados em um problema real
Os dados utilizados foram obtidos a partir de fontes oficiais e públicas, incluindo:
- Ministério da Saúde
- DATASUS
- Secretarias estaduais de saúde
As bases contemplam informações sobre:
- Casos confirmados de Dengue
- Distribuição geográfica por estado
- Evolução histórica das infecções
A análise seguiu um fluxo típico de trabalho em Análise de Dados:
- Entendimento do problema e definição das perguntas analíticas
- Coleta, leitura e organização dos dados
- Limpeza e preparação das bases
- Análise exploratória dos dados (EDA)
- Criação de gráficos e visualizações
- Interpretação dos resultados e geração de insights
-
📦 Distribuição dos casos por ano
Avaliação da variabilidade dos dados e identificação de surtos por meio de boxplots. -
🗺️ Quantidade de casos por estado (2023)
Identificação dos estados com maior número absoluto de infecções confirmadas. -
📉 Tendência dos casos ao longo dos anos
Análise do comportamento histórico dos dados, destacando um crescimento sustentado ao longo do tempo. -
📊 Taxa de infecções por estado (2023)
Comparação proporcional entre estados, permitindo uma leitura mais justa do impacto regional.
- São Paulo, Minas Gerais e Santa Catarina concentram os maiores números absolutos de casos em 2023.
- A análise temporal indica um aumento gradual dos casos ao longo dos anos, mesmo com oscilações anuais.
- A ocorrência de surtos cíclicos reforça a importância de ações preventivas contínuas e monitoramento constante.
A análise evidencia como dados podem apoiar decisões em saúde pública. Com base nos resultados, destacam-se as seguintes recomendações:
- Ampliação da vacinação nas regiões mais impactadas
- Fortalecimento das campanhas de prevenção
- Aprimoramento da vigilância epidemiológica
- Investimentos em saneamento básico
- Python
- Pandas
- NumPy
- Matplotlib
- Seaborn
- Jupyter Notebook
Este projeto demonstra habilidades em Análise de Dados aplicada, incluindo organização de dados, análise exploratória, visualização e comunicação de resultados. O foco está em resolver um problema real, utilizando dados confiáveis e apresentando conclusões de forma clara e estruturada.